Question

我有两个数据框，Data1和Data2，我想根据变量“ID”进行合并。

此示例数据可在此处下载：http://dl.dropbox.com/u/52600559/example.RData

这是第一个数据框：

> Data1
   ID     Fruit  Color Weight
1   1     Apple    Red      5
2   2    Orange Orange      7
3   3    Banana Yellow      3
4   4      Pear  Green      5
5   5    Tomato    Red      4
6   6     Berry   Blue      4
7   7  Mandarin Orange      4
8   8 Pineapple Yellow      9
9   9 Nectarine Orange      5
10 10      Beet    Red      5

这是第二个数据框：

> Data2
   ID       Fruit  Color Weight
1   1       Apple    Red      5
2   2      Orange Orange      7
3   3      Banana Yellow      3
4   4        Pear  Green      5
5   5      Tomato    Red      4
6  11 Pomegranate    Red      6
7  12       Grape  Green      4
8  13   Cranberry    Red      4
9  14       Melon   Pink      5
10 15     Pumpkin Orange     10

我试图像这样合并它们：

> merge(Data1, Data2, by = "ID", sort = FALSE, all.x = TRUE, all.y = TRUE)
   ID   Fruit.x Color.x Weight.x     Fruit.y Color.y Weight.y
1   1     Apple     Red        5       Apple     Red        5
2   2    Orange  Orange        7      Orange  Orange        7
3   3    Banana  Yellow        3      Banana  Yellow        3
4   4      Pear   Green        5        Pear   Green        5
5   5    Tomato     Red        4      Tomato     Red        4
6   9 Nectarine  Orange        5        <NA>    <NA>       NA
7   6     Berry    Blue        4        <NA>    <NA>       NA
8   7  Mandarin  Orange        4        <NA>    <NA>       NA
9   8 Pineapple  Yellow        9        <NA>    <NA>       NA
10 10      Beet     Red        5        <NA>    <NA>       NA
11 14      <NA>    <NA>       NA       Melon    Pink        5
12 11      <NA>    <NA>       NA Pomegranate     Red        6
13 12      <NA>    <NA>       NA       Grape   Green        4
14 13      <NA>    <NA>       NA   Cranberry     Red        4
15 15      <NA>    <NA>       NA     Pumpkin  Orange       10

如您所见，两个数据框都有许多相同的变量。但是，Data1中的某些ID不在Data2中，反之亦然。此外，一些ID位于两个数据帧中。

问题1：我想合并上面显示的所有列。所以，我希望“Fruit.x”与“Fruit.y”合并。进入一个名为“水果”的专栏。我怎么能这样做？

问题2：如果对于Data1和Data2中恰好存在的其中一个样本，其中一个值不一致，该怎么办？因此，对于样本ID 1，如果Fruit.x是Apple，但Fruit.y被错误地编码为Aple（带拼写错误），有没有办法可以快速检查所有这些实例，以便我可以选择哪一个是正确的？或者我可以告诉R在发生这种情况时始终认为Data1与Data2是正确的吗？

感谢任何可以提供帮助的人!!

Answer 1

试试这个：

merge(Data1, Data2, all = TRUE)

并且对于拼写，请尝试amatch与fruit的近似匹配，而near包含与之不完全匹配的近似匹配：

for(fruit in Data1$Fruit) {
    amatch <- agrep(fruit, Data2$Fruit, value = TRUE)
    near <- amatch[amatch != fruit]
    if (length(near) > 0) cat(fruit, ":", near, "\n")
}

使用提供的数据可以得到：

Berry : Cranberry

编辑：提高代码清晰度

Answer 2

回答问题1：

merge(data1, data2, all=T)

应该给你你想要的东西。但它不会处理拼写错误。你必须单独处理它们。 unique是一个很好的工具，可以按tolower查找它们来规范化大写问题。

Answer 3

这应该可以让你大部分时间：它将堆叠两个数据帧并删除重复的行。

unique(rbind(Data1, Data2))

对不起，我没有处理拼写错误的好建议。

合并R中具有共同和不常见样本的两个数据帧

3 个答案: